关于入境旅游人数的时间序列分析毕业论文

《关于入境旅游人数的时间序列分析毕业论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、图书分类号:密级:毕业设计（论文）题目：关于入境旅游人数的时间序列分析TheTimeSeriesAnalysisontheNumberofInboundTourism学生姓名班级学院名称专业名称指导教师学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用或参考的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标注。本人完全意识到本声明的法律结果由本人承担。论文作者签名：日期：年—月日学位论文版权协议书本人完全了解关于收集、保存、使用学位论文的规定，即：

2、本校学生在学习期间所完成的学位论文的知识产权归所拥有。有权保留并向国家有关部门或机构送交学位论文的纸本复印件和电子文档拷贝，允许论文被查阅和借阅。可以公布学位论文的全部或部分内容，可以将本学位论文的全部或部分内容提交至各类数据库进行发布和检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。论文作者签名：导师签名：日期：年月日日期：年月日UndergraduateGraduationProject(Thesis)HarbinUniversityofCommerceTheTimeSeriesAnalysisontheNumberofInboundTourismStudentSupervi

3、sorSpecialtyandClassStudentIDSchool旅游业是一个综合性产业，主要是提供服务和旅游产品，对国民经济来说是重要的组成部分，对于提高综合国力、增加就业等都具有很重耍的意义。而入境旅游更加已经成为国家赚取外汇和解决就业的重要途径之一。用时间序列分析法对入境人数进行分析和预测，可以给旅游业及相关部门提供参考信息，是做好调控措施，对提高旅游服务质量和层次冇很大的促进作用。本文对入境旅游人数的月度数据，运用时间序列分析法的理论，经过定阶，参数估计，模型诊断及优化等步骤，建立季节差分模型1)x(0,1,Oh模型，经检验模型预测值与真实值误并较小，在这基础上，來对未來5个月的入

4、境旅游人数进行预测。其结果可为相关部门提供数据参考。时间序列短期预测的精度比较高，而且对资料的要求比较单一，只需入境旅游人数的历史数据，此模型有广泛的适用性。关键词：时间序列分析法；平稳模型；非平稳模型；SARIMA模型AbstractTourismisatourismproductsandservicestoprovidecomprehensiveindustryprimarily,isanimportantpartofthenationaleconomy,ittoimproveoverall,expandingemploymentandtohavetheimportantmeaning.O

5、nemoreentrytourismhasbecomeanationalearnforeignexchangeandsolvetheemploymentofoneofthemainways.Timeseriesanalysiswithtouristarrivalsforecast,inallrespectshaveactivelyrole.Timeseriesmodelintosmoothandnon-stationarymodel,andthenumberofforeigntouristsinthegrowth,therearecertaintrendsandhaveseasonfactor

6、s,soshouldchoosethenon-stationarymodeltoitsmodeling.Thispaperistothenumberofforeigntouristsinthemonthlydata,usingtimeseriesanalysistheory,establishseasondifferencemodel(SARIMAmodel).Aftertherepeatedinspectionfitting,andfinallyestablishSA/?MA(1丄l)xmodel,andonthisbasis,thenextfivemonthsthenumberoffore

7、igntouristsinforecast.Timeseriesoftheshort-termforecastprecisionarehigh,butalsototherequirementsofthematerialismoreonefold,onlytouristarrivalsofhistoricaldataandthemodeliswidespreadapplicability.KeyWo